生物统计学-教案(10)

生物统计学-教案(10)

ID:24040707

大小:545.28 KB

页数:18页

时间:2018-11-12

生物统计学-教案(10)_第1页
生物统计学-教案(10)_第2页
生物统计学-教案(10)_第3页
生物统计学-教案(10)_第4页
生物统计学-教案(10)_第5页
资源描述:

《生物统计学-教案(10)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、-生物统计学教案第十章一元回归及简单相关分析教学时间:5学时教学方法:课堂板书讲授教学目的:重点掌握一元线性回归方程,掌握一元线性回归方程的检验和相关,了解一元非线性回归和多元回归与相关。讲授难点:一元线性回归方程的检验和相关10.1回归与相关的基本概念函数关系:F=ma相关关系:单位面积的施肥量、播种量和产量;血压和年龄;胸径和高度;玉米的穗长和穗重;身高和体重。相关:设有两个随机变量X和Y,对于任一随机变量的每一个可能的值,另一个随机变量都有一个分布与之相对应,称X和Y存在相关。回归:对于变量X的

2、每一个可能的值xi,都有随机变量Y的一个分布相对应,则称随机变量Y对变量X存在回归。X称为自变量,Y称为因变量。条件平均数:当X=xi时Y的平均数μY.X=xi,称为条件平均数。10.2一元线性回归方程10.2.1散点图NaCl含量X(g/kg土壤)00.81.62.43.24.04.8干重Y(mg/dm2)809095115130115135例不同NaCl含量对单位叶面积干物质的影响----从上图虽可以看出Y对X的线性关系,但点子并不在一条直线上。例每一NaCl含量下干物质10次重复值干重(mg/d

3、m2)重复值NaCl含量(g/kg土壤)00.81.62.43.24.04.81809095115130115135210085899410612513737510711510310312812848993921101101431275911031151131281321556799212010813112113271017895121117129148885105951101211121179839310510811412013410798598111116130132平均值86.293.1101.

4、9109.3117.6125.5134.5如果增加每一NaCl浓度下的重复次数,用其平均值画成散点图,则点子直线化的程度要好得多。上表给出10次重复的平均值,从下图中可见,点子更接近在一条直线上。当以Y的条件平均数所做的散点图,则完全在一条上。----10.2.2一元正态线性回归模型xi和各xi上Y的条件平均数μy.x可构成一条直线:μY=α+βX对于变量X的每一个值,都有一个Y的分布,其平均数是上式所示的线性函数。对于随机变量Y:Y=α+βX+εε:NID(0,σ2)Y:NID(α+βX,σ2)上式

5、称为一元正态线性回归模型。10.2.3参数α和β的估计在实际工作中,我们是无法得到α和β的,只能得到它们的估计值a和b,从而得到一条估计的回归线:上式称为Y对X的回归方程,所画出的直线称为回归线。a是直线的截距,称为常数项;b是直线的斜率,称为回归系数。对于因变量Y的每一个观测值yi:yi=a+bxi+eiyi的回归估计值是对的估计,因此也是平均数。在各种离差平方和中,以距平均数的离差平方和为最小。因此我们就把ei=yi-平方和为最小的直线作为最好的回归线。----记,求出使L达到最小时的a和b,这种

6、方法称为最小二乘法。为使达到最小,令:可以得到以下一组联立方程:解该方程组,得到β的最小二乘估计:及a的最小二乘估计:公式的分子部分称为X和Y的校正交叉乘积和,以SXY表示。分母部分称为X的校正平方和,以SXX表示。因变量Y的平方和称为总平方和,以SYY表示。因此,b又可以表示为:----10.2.4回归方程的计算XX’=X-2.4X’2YY’=Y-110Y’2X’Y’0-2.45.7680-30900720.8-1.62.5690-20400321.6-0.80.6495-15225122.4001

7、1552503.20.80.6413020400164.01.62.5611552584.82.45.761352562560和017.92-102600200由此得出回归方程:回归系数的含义是:当自变量X每变动一个单位,因变量Y平均变动11.16个单位。----10.3一元线性回归的检验10.3.1b和a的数学期望和方差上式中的σ2是由ε得到的,ε是实际观测值与总体回归估计值的离差。由于α和β都是未知的,因此无法得到εi,只能用εi的估计值ei,。称为误差平方和即为SSe----可以证明MSe是σ2

8、的无偏估计量,因此样本回归系数b的方差a的方差根据表10-2中的7套重复数据(细线所示),和它们的平均数(粗虚线所示)所绘出的回归线。如果无限增加重复次数,最终将得到一条直线μY=α+βX。实际上这条直线是无法获得的,只能得到它的估计直线(由一套或几套数据获得),。这些估计直线是总体回归线的无偏估计。它们有自己的分布,因此有自己的期望和方差。10.3.2b和a的显著性检验----10.3.2.1b的显著性检验b的显著性检验原理与第五章所讲的假设检验原理类

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。